Araştırmanın Amacı
Metin madenciliği, insanların ne hakkında konuştuklarını bilmemizin yanı sıra hakkında nasıl konuştuklarını da bilmemizi sağlar. Bu sebeple işletmelerin marka takibi, ürün analizi ve müşteri hizmetleri hakkında iş kararlarını yönlendirmek için büyük miktarda veriye ilişkin iç görü sunma gücüne sahiptir. Bu araştırma projesinin amacı R ile, metnin derinliklerine inmeye ve değerli iç görüler elde etmeye çalışmaktır.
Yelp Verisi Hakkında Genel Bilgiler
Yelp, merkezi San Francisco, Kaliforniya’da bulunan halka açık bir Amerikan şirketidir. Şirket, işletmeler hakkında kitle kaynaklı incelemeler yayınlayan Yelp.com web sitesini ve Yelp mobil uygulamasını geliştirir, işletir ve pazarlar. Ayrıca Yelp Rezervasyonları adı verilen bir çevrimiçi rezervasyon hizmeti de işletmektedir.
Yelp ‘in web sitesi Yelp.com, kitle kaynaklı bir yerel işletme inceleme ve sosyal ağ sitesidir. Site, restoranlar veya okullar gibi özel yerlere ayrılmış sayfalara sahiptir, burada Yelp kullanıcıları bir ila beş yıldız derecelendirme sistemi kullanarak ürün veya hizmetlerin incelemesini yapabilir. İşletmeler ayrıca iletişim bilgilerini, çalışma saatlerini ve diğer temel bilgilerini güncelleyebilir veya özel fırsatlar ekleyebilir. İnceleme yazmaya ek olarak, kullanıcılar incelemelere tepki verebilir, etkinlikler planlayabilir veya kişisel yaşamlarını tartışabilirler.
“Yelp Dataset” adlı veri kümesi ise Yelp ’de bulunan ABD ve Kanada’daki 8 büyükşehir bölgesindeki işletmelerin(Business verisi), incelemelerin(Reviews verisi) ve kullanıcı verilerinin bir alt kümesidir.
Business verisine bir bakış
Business verisi Yelp ’de bulunan işletmelere ait bilgileri içeren veridir.
## Rows: 192,609
## Columns: 14
## $ address <chr> "b'2818 E Camino Acequia Drive'", "b'30 Eglinton Avenu...
## $ name <chr> "b'Arizona Biltmore Golf Club'", "b'Emerald Chinese Re...
## $ stars <dbl> 3.0, 2.5, 4.0, 5.0, 4.0, 2.5, 3.5, 3.5, 5.0, 4.5, 2.0,...
## $ longitude <dbl> -112.01848, -79.65229, -80.85913, -112.39560, -80.8872...
## $ postal_code <chr> "b'85016'", "b'L5R 3E7'", "b'28210'", "b'85338'", "b'2...
## $ business_id <chr> "b'1SWheh84yJXfytovILXOAQ'", "b'QXAEGFB4oINsVuTFxEYKFQ...
## $ latitude <dbl> 33.52214, 43.60550, 35.09256, 33.45561, 35.19001, 43.5...
## $ review_count <dbl> 5, 128, 170, 3, 4, 3, 7, 3, 8, 8, 5, 18, 9, 16, 7, 4, ...
## $ categories <chr> "b'Golf, Active Life'", "b'Specialty Food, Restaurants...
## $ city <chr> "b'Phoenix'", "b'Mississauga'", "b'Charlotte'", "b'Goo...
## $ is_open <dbl> 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, ...
## $ hours <chr> NA, "{'Monday': '9:0-0:0', 'Tuesday': '9:0-0:0', 'Wedn...
## $ attributes <chr> "{'GoodForKids': 'False'}", "{'RestaurantsReservations...
## $ state <chr> "b'AZ'", "b'ON'", "b'NC'", "b'AZ'", "b'NC'", "b'ON'", ...1) address : adres
2) name : işletmenin adı
3) stars : işletmenin derecelendirmesini sağlar. minimum = 0, maksimum = 5
4) longitude : işletmenin boylam koordinatı. haritadaki konumu çizmek için kullanılacaktır
5) postal_code : posta kodu
6) business_id : işletmenin ID si
7) latitude : işletmenin enlem koordinatı. Haritadaki konumu çizmek için kullanılacaktır
8) review_count : inceleme sayısı
9) categories : işletmenin dahil olduğu kategoriler (golf, aktif yaşam, yemek vs..)
10) city : işletmenin bulunduğu şehir
11) is_open : işletmenin açık/kapalı durumu
12) hours : işletmenin çalışma saatleri
13) attributes : işletmenin sahip olduğu özellikler (‘GoodForKids’: ‘False’ , GoodForMeal vs..)
14) state : durum
Coğrafi Bilgi Sistemi
Business verisinde bulunan boylamlar ve enlemler, tüm işletme konumlarını Coğrafi Bilgi Sistemi ile haritalamak için kullanacağız. Noktaların boyutu, belirli bir alanda incelenen işletmelerin sayısını yansıtır. Nokta ne kadar büyük olursa, bölgedeki işletme sayısı o kadar büyük olur.
PlotOnStaticMap(lat = business$latitude, lon = business$longitude, zoom =5, size = c(640,640), cex = 1.4, pch = 19, col = "red", FUN = points, add = F)
Reviews verisine bir bakış
Reviews verisi Yelp ’de bulunan işletmelere ait kullanıcı incelemelerini içeren veridir.
## Rows: 10,000
## Columns: 10
## $ business_id <chr> "9yKzy9PApeiPPOUJEtnvkg", "ZRJwVLyzEJq1VAihDhYiow", "6o...
## $ date <date> 2011-01-26, 2011-07-27, 2012-06-14, 2010-05-27, 2012-0...
## $ review_id <chr> "fWKvX83p0-ka4JS3dc6E5A", "IjZ33sJrzXqU-0X6U8NwyA", "IE...
## $ stars <dbl> 5, 5, 4, 5, 5, 4, 5, 4, 4, 5, 5, 5, 5, 4, 4, 2, 3, 5, 3...
## $ text <chr> "My wife took me here on my birthday for breakfast and ...
## $ type <chr> "review", "review", "review", "review", "review", "revi...
## $ user_id <chr> "rLtl8ZkDX5vH5nAx9C3q5Q", "0a2KyEL0d3Yb1V6aivbIuQ", "0h...
## $ cool <dbl> 2, 0, 0, 1, 0, 4, 7, 0, 0, 0, 1, 1, 1, 1, 1, 0, 3, 0, 5...
## $ useful <dbl> 5, 0, 1, 2, 0, 3, 7, 1, 0, 1, 3, 1, 2, 2, 1, 2, 4, 0, 6...
## $ funny <dbl> 0, 0, 0, 0, 0, 1, 4, 0, 0, 0, 1, 0, 0, 0, 0, 0, 2, 0, 4...1) business_id : incelenen işletmenin ID si
2) date : inceleme tarihi
3) review_id : incelemenin ID si
4) stars : kullanıcı tarafından işletme için verilen yıldızlar
5) text : inceleme metni
6) type : inceleme tipi
7) user_id : kullanıcı ID si
8) cool : incelemeyi cool bulan kullanıcı sayısı
9) useful : incelemeyş faydalı bulan kullanıcı sayısı
10) funny : incelemeyi komik bulan kullanıcı sayısı
Keşifsel Veri Analizi
İşletme bilgilerinin bulunduğu business verisinden, işletme başına ortalama inceleme sayısına bakalım.
## [1] 33.53896Toplam yıldızların dağılımına bakalım.
ggplot(reviews, aes(x=stars))+
geom_bar(stat="bin", bins= 9, fill="violetred4") +
geom_text(stat='count', aes(label=..count..), vjust=1.6, color="white") +
ggtitle("Yıldızların Dağılım Grafiği") +
xlab("Yıldızlar") + ylab("Miktar") +
theme_minimal()
En çok 4 ve 5 yıldızlı incelemelerin olduğunu görüyoruz. Bu sebeple müşterilerin genel olarak yalnızca olumlu olarak çok etkilendilerinde inceleme bırakma eğilimi göstereceklerini düşünebiliriz.
İncelemelerin diline bakalım.
TextCat paketi bir metin sınıflandırma aracıdır ve birincil kullanımı dil tanımlamasıdır. 75 dile kadar algılayabilir.
İlk 20 kullanıcı yorumunun hangi dilde yazıldığını bu paket yardımı ile bulalım.
## [1] "english" "english" "english" "english" "english" "english" "english"
## [8] "scots" "english" "english" "english" "english" "english" "english"
## [15] "english" "english" "english" "english" "english" "english"Yelp ’de en fazla bulunan ilk 10 işletme kategorisine bakalım.
categories = str_split(business$categories,";")
categories = as.data.frame(unlist(categories))
colnames(categories) = c("Name")
categories %>%
group_by(Name) %>%
summarise(Count = n()) %>%
arrange(desc(Count)) %>%
ungroup() %>%
mutate(Name = reorder(Name,Count)) %>%
head(10) %>%
ggplot(aes(x = Name,y = Count)) +
geom_bar(stat='identity',colour="white", fill ="violetred4") +
geom_text(aes(x = Name, y = 1, label = paste0("(",Count,")",sep="")),
hjust=0, vjust=.5, size = 4, colour = 'white',
fontface = 'bold') +
labs(x = 'Kategori Adı', y = 'Miktar',
title = 'En Popüler 10 İşletme Kategorisi') +
coord_flip() +
theme_bw()
Yüksek İnceleme sayılarına sahip en iyi restoranlar. Yüksek inceleme sayıları, buraların popüler/sık ziyaret edilen yerler olduğu anlamına gelir. Ortalama puanlarını görselleştirelim.
b <- business %>%
group_by(name) %>%
summarize(m=mean(stars),s=sum(review_count)) %>%
filter(s > 100) %>%
arrange(desc(s)) %>% head(10)
b %>% ggplot(aes(name,s))+geom_col(aes(fill=m)) + coord_flip() + labs(fill= 'Ortalama Yıldız') + ylab('inceleme sayısı')
En çok yorumlanan restoranın Starbucks olduğunu, ardından Hash house ve Mcdonalds’ın geldiğini görüyoruz.
Yelp ’de bulunan işletmeleri, kullanıcılar tarafından en fazla incelemeye sahip ilk 10 şehire bakalım.
business %>%
group_by(city) %>%
summarise(Count = n()) %>%
arrange(desc(Count)) %>%
ungroup() %>%
mutate(City = reorder(city,Count)) %>%
head(10) %>%
ggplot(aes(x = City,y = Count)) +
geom_bar(stat='identity',colour="white", fill ="violetred4") +
geom_text(aes(x = City, y = 1, label = paste0("(",round(Count/1e3)," K )",sep="")),
hjust=0, vjust=.5, size = 4, colour = 'white',
fontface = 'bold') +
labs(x = 'Şehir', y = 'İnceleme Miktarı',
title = 'En Fazla İncelemeye Sahip İlk 10 Şehir') +
coord_flip() +
theme_bw()
Las Vegas en fazla incelemeye sahiptir.
Business verisinde bulunan koordinatlar yardımıyla Las Vegas ’da bulunan işletmelere harita üzerinden bakalım.
LasvegasCoords = business %>% filter(city == "b'Las Vegas'")
center_lon = median(LasvegasCoords$longitude,na.rm = TRUE)
center_lat = median(LasvegasCoords$latitude,na.rm = TRUE)
leaflet(LasvegasCoords) %>% addProviderTiles("Esri.NatGeoWorldMap") %>%
addCircles(lng = ~longitude, lat = ~latitude,radius = ~sqrt(review_count)) %>%
# controls
setView(lng=center_lon, lat=center_lat,zoom = 13)Las Vegas ’da bulunan restoranların sayısına bakalım.
geographical_map <- function(location_name){
location_business <- business %>%
# filter for the city
filter(city == location_name) %>%
# Creates 3 level based on rating
mutate( rating_level = ifelse(stars == 4 | stars == 5 ,"High", ifelse(stars == 3, "Medium", "Low")))
# Creates color pallette for rating levels
pallete <- colorFactor(c("dark red", "blue","dark green"), domain = c("Low", "Medium","High"))
location_business %>%
leaflet() %>%
setView(lng = mean(location_business$longitude),
lat = mean(location_business$latitude),
zoom = 12) %>%
addProviderTiles(providers$CartoDB.Positron) %>%
addCircleMarkers(~longitude,
~latitude,
radius = 3,
fillOpacity = 0.5,
# Creates clusters for restaurants on high level
clusterOptions = markerClusterOptions(),
# Color palette is assigned based on rating level
color = ~pallete(rating_level))}
geographical_map("b'Las Vegas'")İşletme yoğunluğu en fazla Las Vegas Strip bölgesindedir.
Wikipedia : Lüks kumarhane otellerinin yer aldığı, neon ışıklarla bezeli Strip, Las Vegas’ı mükemmel özetler. Devasa otellerde kumarhane katlarının yanı sıra pek çok farklı mağaza, her türden restoran ve müzik, komedi ile sirk gösterilerinin düzenlendiği performans alanları vardır.
Wordcloud
Bir şehir için kelime sıklığı analizi yapmak aynı zamanda hangi sosyal aktivitelerin ve ilgi alanlarının şehirde popüler olduğuna dair ipuçları verir. Las Vegas ’da bulunan işletme kategorilerine kelime bulutu ile bakalım.
vegasbusiness <- subset(business, city == "b'Las Vegas'") #las vegas bilgileri
vegasfood <- subset(vegasbusiness, grepl("Food|Restaurants", vegasbusiness$categories))
foodvector <- unlist(strsplit(vegasfood$categories, ";"))
unwanted <- c("Restaurants", "Food", "Shopping", "Specialty", "Grocery", "Convenience Stores", "event", "planning", "services", "new")
sortedfoodvector <- removeWords(foodvector, unwanted)
wordcloud(sortedfoodvector, min.freq = 300, colors=brewer.pal(8, "Dark2"))
Las Vegas yemeklerinin ve sosyal ortamının çoğunlukla barlar, amerikan yemekleri ve gece hayatından oluştuğu gözükmekte. Pizza, sandviç ve hamburger gibi klasikler mekanlarda genel olarak hakim kategoriler. Ayrıca meksika yemekleri ve kahve de hakim gözükmekte.
Sentiment Analizi
review_words <- reviews %>%
select(review_id, business_id, stars, text) %>%
unnest_tokens(word, text) %>%
filter(!word %in% stop_words$word,
str_detect(word, "^[a-z']+$"))
review_words## # A tibble: 452,478 x 4
## review_id business_id stars word
## <chr> <chr> <dbl> <chr>
## 1 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 wife
## 2 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 birthday
## 3 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 breakfast
## 4 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 excellent
## 5 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 weather
## 6 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 perfect
## 7 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 sitting
## 8 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 overlooking
## 9 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 grounds
## 10 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 absolute
## # ... with 452,468 more rows## Warning: package 'textdata' was built under R version 4.0.5## # A tibble: 2,477 x 2
## word afinn_score
## <chr> <dbl>
## 1 abandon -2
## 2 abandoned -2
## 3 abandons -2
## 4 abducted -2
## 5 abduction -2
## 6 abductions -2
## 7 abhor -3
## 8 abhorred -3
## 9 abhorrent -3
## 10 abhors -3
## # ... with 2,467 more rowsreviews_sentiment <- review_words %>%
inner_join(AFINN, by = "word") %>%
group_by(review_id, stars) %>%
summarize(sentiment = mean(afinn_score))## `summarise()` regrouping output by 'review_id' (override with `.groups` argument)## # A tibble: 9,470 x 3
## # Groups: review_id [9,470]
## review_id stars sentiment
## <chr> <dbl> <dbl>
## 1 --8hpKO4bkweLyEucdxI_w 4 2
## 2 --DazeDpOApabZnIOIPSrQ 5 0
## 3 --QCUEmDBlipC_CEutGVFA 4 2
## 4 --TqfVGywiYWh7Sn9ksBmA 4 -2
## 5 -_E6jvslAhQHbjNJIKeFQA 5 2
## 6 -_hed9F2kUDdb4oa1CXKIA 5 2.5
## 7 -_MguNFy09v8GeFS5NDIbA 5 -0.25
## 8 -04V-J248jjwibqilfLePA 4 2.4
## 9 -0d1TTyKmgknAYVEDLaqgQ 5 1.31
## 10 -0fImqvIf7zAVacU1BOg8g 5 3
## # ... with 9,460 more rowslibrary(ggplot2)
theme_set(theme_bw())
ggplot(reviews_sentiment, aes(stars, sentiment, group = stars)) +
geom_boxplot() +
ylab("Average sentiment score")
library(tidytext)
review_words <- reviews %>%
select(review_id, business_id, stars, text) %>%
unnest_tokens(word, text) %>%
filter(!word %in% stop_words$word,
str_detect(word, "^[a-z']+$"))
review_words## # A tibble: 452,478 x 4
## review_id business_id stars word
## <chr> <chr> <dbl> <chr>
## 1 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 wife
## 2 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 birthday
## 3 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 breakfast
## 4 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 excellent
## 5 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 weather
## 6 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 perfect
## 7 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 sitting
## 8 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 overlooking
## 9 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 grounds
## 10 fWKvX83p0-ka4JS3dc6E5A 9yKzy9PApeiPPOUJEtnvkg 5 absolute
## # ... with 452,468 more rowslibrary(tidytext) # tidy implementation of NLP methods
library(textdata)
AFINN <- get_sentiments("afinn") %>%
select(word, afinn_score = value)
AFINN## # A tibble: 2,477 x 2
## word afinn_score
## <chr> <dbl>
## 1 abandon -2
## 2 abandoned -2
## 3 abandons -2
## 4 abducted -2
## 5 abduction -2
## 6 abductions -2
## 7 abhor -3
## 8 abhorred -3
## 9 abhorrent -3
## 10 abhors -3
## # ... with 2,467 more rowsreviews_sentiment <- review_words %>%
inner_join(AFINN, by = "word") %>%
group_by(review_id, stars) %>%
summarize(sentiment = mean(afinn_score))## `summarise()` regrouping output by 'review_id' (override with `.groups` argument)## # A tibble: 9,470 x 3
## # Groups: review_id [9,470]
## review_id stars sentiment
## <chr> <dbl> <dbl>
## 1 --8hpKO4bkweLyEucdxI_w 4 2
## 2 --DazeDpOApabZnIOIPSrQ 5 0
## 3 --QCUEmDBlipC_CEutGVFA 4 2
## 4 --TqfVGywiYWh7Sn9ksBmA 4 -2
## 5 -_E6jvslAhQHbjNJIKeFQA 5 2
## 6 -_hed9F2kUDdb4oa1CXKIA 5 2.5
## 7 -_MguNFy09v8GeFS5NDIbA 5 -0.25
## 8 -04V-J248jjwibqilfLePA 4 2.4
## 9 -0d1TTyKmgknAYVEDLaqgQ 5 1.31
## 10 -0fImqvIf7zAVacU1BOg8g 5 3
## # ... with 9,460 more rowslibrary(ggplot2)
theme_set(theme_bw())
ggplot(reviews_sentiment, aes(stars, sentiment, group = stars)) +
geom_boxplot() +
ylab("Average sentiment score")
Kutu grafiği, ortalama derecelendirmeler ve duyarlılık puanları arasındaki ilişkiyi gösterir.
review_words_counted <- review_words %>%
count(review_id, business_id, stars, word) %>%
ungroup()
review_words_counted## # A tibble: 388,427 x 5
## review_id business_id stars word n
## <chr> <chr> <dbl> <chr> <int>
## 1 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 alley 1
## 2 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 band 1
## 3 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 bar 1
## 4 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 beer 2
## 5 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 brew 1
## 6 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 cocktails 1
## 7 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 cover 1
## 8 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 easy 1
## 9 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 enjoy 1
## 10 --8hpKO4bkweLyEucdxI_w OdD1GuGNQ64ssJmMJ_D9RQ 4 entrance 1
## # ... with 388,417 more rowsword_summaries <- review_words_counted %>%
group_by(word) %>%
summarize(businesses = n_distinct(business_id),
reviews = n(),
uses = sum(n),
average_stars = mean(stars)) %>%
ungroup()## `summarise()` ungrouping output (override with `.groups` argument)## # A tibble: 28,567 x 5
## word businesses reviews uses average_stars
## <chr> <int> <int> <int> <dbl>
## 1 aa 5 5 11 4
## 2 aaa 2 2 2 4
## 3 aaaaaalright 1 1 1 3
## 4 aaand 1 1 1 4
## 5 aah 1 1 1 4
## 6 aand 1 1 1 4
## 7 aaron 8 8 9 4
## 8 aaron's 1 1 1 4
## 9 aarp 1 1 1 4
## 10 ab 4 5 9 4.2
## # ... with 28,557 more rowsword_summaries_filtered <- word_summaries %>%
filter(reviews >= 200, businesses >= 10)
word_summaries_filtered## # A tibble: 347 x 5
## word businesses reviews uses average_stars
## <chr> <int> <int> <int> <dbl>
## 1 absolutely 271 298 318 3.92
## 2 add 260 272 290 3.69
## 3 ago 297 315 334 3.65
## 4 amazing 616 838 976 4.37
## 5 ambiance 191 236 249 3.89
## 6 amount 249 261 282 3.70
## 7 appetizer 213 271 310 3.77
## 8 arizona 248 276 304 3.96
## 9 arrived 220 245 287 3.36
## 10 ate 275 302 333 3.49
## # ... with 337 more rows## # A tibble: 347 x 5
## word businesses reviews uses average_stars
## <chr> <int> <int> <int> <dbl>
## 1 highly 288 310 328 4.39
## 2 fantastic 350 430 474 4.38
## 3 perfect 439 552 649 4.37
## 4 amazing 616 838 976 4.37
## 5 wonderful 362 419 472 4.32
## 6 favorite 621 782 880 4.29
## 7 awesome 594 731 825 4.25
## 8 excellent 508 625 724 4.24
## 9 delicious 757 1133 1314 4.23
## 10 beautiful 229 263 288 4.20
## # ... with 337 more rows## # A tibble: 347 x 5
## word businesses reviews uses average_stars
## <chr> <int> <int> <int> <dbl>
## 1 manager 205 219 285 2.84
## 2 money 316 335 376 2.94
## 3 waited 186 209 250 2.97
## 4 customers 211 218 251 2.98
## 5 told 423 471 615 2.99
## 6 waitress 280 338 426 3.08
## 7 slow 204 230 248 3.09
## 8 minutes 513 591 796 3.10
## 9 dry 230 255 284 3.10
## 10 guess 305 324 354 3.13
## # ... with 337 more rowsggplot(word_summaries_filtered, aes(reviews, average_stars)) +
geom_point() +
geom_text(aes(label = word), check_overlap = TRUE, vjust = 1, hjust = 1) +
scale_x_log10() +
geom_hline(yintercept = mean(reviews$stars), color = "red", lty = 2) +
xlab("# of reviews") +
ylab("Average Stars")